Prototyp głowy Zervidjanny

prototyp głowy / szczęka / widzenie maszynowe

Od zwykłego pomysłu do głowy, która zaczyna reagować

Ten wpis zbiera w jedną całość etap budowy prototypu głowy Zervidjanny ze sklejki. Zaczęło się niewinnie: miała powstać szczęka, którą można otwierać i zamykać jak prosty chwytak. Szybko okazało się jednak, że taka głowa nie jest tylko kawałkiem mechaniki. To miejsce, w którym spotyka się konstrukcja, serwomechanizmy, kamera, detekcja obiektów, sterownik i trochę tej dziwnej robotycznej osobowości, którą chciałbym nadać Zervidjannie.

Dlatego zamiast pojedynczego testu powstał mały, kompletny system. Najpierw koncepcja i wymagania, potem szkice, skanowanie kości, model 3D, projekt CAD, cięcie laserem, montaż, poprawki wytrzymałościowe, własny sterownik serwa i na koniec integracja z widzeniem maszynowym. Brzmi jak plan na spokojny wieczór? Oczywiście, czyli w praktyce kilka etapów walki z mechaniką, Pythonem, PWM-em i własnym optymizmem.

Koncepcja: głowa ma być mechanizmem, czujnikiem i trochę twarzą robota

Na początku lista pomysłów rosła szybciej niż miejsce w czaszce. W głowie chciałbym docelowo zmieścić kamery, mikrofony, głośnik, czujniki odległości, być może dodatkowe czujniki środowiskowe, a sama szczęka miałaby pełnić rolę chwytaka. Teoretycznie można by zrobić zwykły uchwyt techniczny, ale wtedy nie byłaby to już Zervidjanna, tylko kolejny manipulator udający szczypce.

Pierwsza koncepcja zakładała wykorzystanie linek, rolek i wielobloczka podobnego do rozwiązań, które pojawiły się w projekcie nogi. Pomysł był kuszący, bo pozwalał zwiększyć siłę docisku. Problem w tym, że szczęka ma być nie tylko mocna, ale też szybka. Jeśli kiedyś ma poruszać się w rytm mowy albo reagować ekspresyjnie, nie może działać jak dźwig portowy uruchamiany raz na minutę.

Pierwsza selekcja pomysłów: ładne na kartce to jeszcze nie znaczy dobre w prototypie

Po kilku analizach zostały wymagania, które naprawdę miały znaczenie: szczęka musi szybko się otwierać i zamykać, generować rozsądny docisk, nie niszczyć złapanych obiektów, mieścić się w bardzo ciasnej przestrzeni i najlepiej dawać się później wykorzystać jako element wizualizacji mowy. Brzmi prosto tylko do momentu, w którym zaczyna się rysować rzeczywiste położenie serwa, osi, dźwigni i punktów mocowania.

Przez chwilę rozważałem sprzęgło cierne i dodatkową linkę z dyneemy, która po kontakcie z obiektem miałaby mocniej dociągać szczękę. Technicznie ciekawy patent, ale liczba elementów zaczęła rosnąć za szybko. Im więcej rolek, linek i regulacji, tym większa szansa, że prototyp będzie pięknie wyglądał na schemacie, a w praktyce będzie wymagał trzech rąk do uruchomienia.

Widzenie maszynowe: żeby szczęka wiedziała, na co patrzy

Równolegle do mechaniki ruszyły testy kamer i detekcji obiektów. Docelowo głowa nie ma poruszać szczęką losowo, tylko reagować na to, co widzi. W pierwszych próbach najważniejsze było wykrycie obiektu, określenie jego klasy, wyznaczenie środka ramki i przygotowanie danych, które później można przekazać do sterownika.

Testowałem klasyczną detekcję, segmentację oraz rozpoznawanie twarzy. Szczególnie ciekawy jest embedding twarzy, czyli zapis cech osoby jako wektor w przestrzeni latentnej. Dla człowieka to tylko ciąg liczb, ale dla programu to coś w rodzaju odcisku twarzy. W przyszłości głowa będzie mogła dzięki temu wiedzieć, kto do niej podchodzi, a nie tylko że w kadrze znajduje się jakaś osoba.

Skala 1:1, czyli najpierw trzeba wiedzieć, jak duża ma być ta głowa

Żeby nie projektować czegoś zupełnie oderwanego od anatomii, użyłem rzeczywistych kości jako punktu odniesienia. Najpierw próbowałem przenieść kształt ręcznie na papier, ale szybko wyszło, że takie rysowanie jest dobre do ogólnego kierunku, a nie do precyzyjnego projektowania. Przy tak ciasnym układzie każdy milimetr ma znaczenie.

Dlatego kolejnym krokiem było skanowanie 3D czaszki, szczęki i elementów kręgosłupa. Skan dostarczył bazy do modelowania, ustawienia osi obrotu i sprawdzenia, jak ruch szczęki może wyglądać w przestrzeni. Modele ze skanera oczywiście nie są idealne: mają artefakty, dziury i całą masę geometrii, którą trzeba poprawiać ręcznie. Ale jako baza pod projekt mechaniczny okazały się bardzo przydatne.

Zakres ruchu: szczęka ma się otwierać, ale nie jak krokodyl po dopalaczach

Po ustawieniu modelu w Blenderze i sprawdzeniu osi obrotu przyjąłem orientacyjny zakres pracy szczęki. Naturalna anatomia nie daje tu prostego ogranicznika mechanicznego, bo w zwierzęciu robią to mięśnie i ścięgna. W prototypie trzeba było więc samemu wybrać kompromis między wyglądem, funkcją chwytaka i miejscem na obiekt.

W praktyce założyłem, że szczęka ma otworzyć się na tyle, aby złapać przedmiot o sensownym rozmiarze, np. butelkę albo puszkę. Z prostego założenia 15 stopni zrobiło się około 25 stopni, bo jak już budować robota, to niech przynajmniej potrafi złapać coś większego niż listek.

Serwo: małe, niskie i zaskakująco mocne

Do napędu szczęki potrzebne było serwo z dużym momentem, dobrą prędkością, metalową przekładnią i możliwie kompaktową obudową. Po porównaniu kilku modeli wybór padł na Savox SB2262SG. To niskoprofilowe serwo wygląda niepozornie, ale parametrami bardzo pasuje do takiego prototypu.

Szybko pojawiło się jednak podstawowe pytanie: jak nie zmarnować jego momentu? Jeśli serwo działa bezpośrednio na oś szczęki, a koniec pyska jest daleko od osi obrotu, siła na zębach spada dramatycznie. Dwa serwa pomogłyby, ale nadal nie rozwiązują problemu utrzymywania obciążenia przez dłuższy czas. A ja nie chciałem szczęki, która jest silna tylko przez sekundę, po czym grzeje się i prosi o urlop.

Przeliczenia sprowadziły projekt na ziemię

Pierwotny pomysł z linką i sprzęgłem ciernym wyglądał ciekawie, ale im dalej wchodziłem w szczegóły, tym bardziej konstrukcja przypominała miniaturowy dźwig upchnięty w czaszce. Do tego dochodziły średnice rolek, przesunięcia linki, zakres 160 stopni na serwie i realny zakres około 25 stopni na szczęce. Matematyka zaczęła dość brutalnie pokazywać, że prostota będzie tu większą zaletą niż efektowny mechanizm.

Ostatecznie uprościłem układ: serwo zostało ustawione tak, aby przekazywało moment przez dźwignię w korzystniejszym punkcie, około 60 mm od osi szczęki. Dało to lepszy docisk na końcu pyska, a jednocześnie pozwoliło wyrzucić z projektu nadmiar linek i sprzęgło cierne. Mniej elementów to mniej okazji do awarii, a przy prototypie ze sklejki to naprawdę ma znaczenie.

Sprężyna przejmuje dyżur, czyli serwo nie musi cierpieć cały czas

Największym problemem nie było samo zamknięcie szczęki, tylko jej dłuższe przytrzymanie. Serwo bez przekładni samohamownej musi cały czas pobierać prąd, żeby utrzymać pozycję pod obciążeniem. To kiepski pomysł, jeśli robot miałby przez chwilę nieść obiekt albo trzymać go w pysku.

Rozwiązaniem problemu stał się mechanizm pomocniczy ze sprężyną. Serwo wykonuje ruch, ustawia dźwignię i inicjuje zamknięcie, a za docisk odpowiada mechanika. Dzięki temu szczęka może pozostać zaciśnięta nawet wtedy, gdy serwo nie musi już walczyć z pełnym obciążeniem. Mechanizm dostał też ręczną regulację naciągu, bo przy prototypie nie ma sensu udawać, że wszystko da się policzyć idealnie. Lepiej zostawić sobie śrubę regulacyjną i trochę zdrowego rozsądku.

LightBurn, sklejka i laser, czyli cyfrowy projekt wychodzi z ekranu

Po dopracowaniu modelu CAD przyszedł czas na przygotowanie elementów do cięcia. Autodesk Inventor swoje, a LightBurn swoje: trzeba było przenieść szkice, uwzględnić szerokość cięcia lasera i dobrać tolerancje tak, aby wpusty nie latały luźno, ale też nie wymagały młotka pneumatycznego.

Dla sklejki 3 mm wyszło, że laser zabiera swoje, więc otwory i wypusty trzeba było korygować dziesiątkami milimetra. Punkty montażowe zaprojektowałem jako kwadratowe, z myślą o montażu na wcisk. Chodziło o to, żeby prototyp dał się szybko składać, rozbierać i poprawiać bez zalewania wszystkiego klejem.

Pierwszy montaż: zapach palonej sklejki jako zapach postępu

Moment, w którym elementy pierwszy raz wychodzą z lasera, zawsze jest przyjemny. Nagle coś, co jeszcze chwilę wcześniej było szkicem i modelem 3D, leży na stole jako prawdziwy zestaw puzzli. Najpierw powstał montaż pod serwo i śrubę naciągową, potem baza czaszki, wzmocnienia, zęby i szczęka.

Najbardziej cieszyło to, że większość wpustów weszła ciasno i pewnie. To oznaczało, że czas poświęcony na tolerancje nie poszedł na marne. Oczywiście prototyp nadal wyglądał jak połączenie warsztatu, stomatologii i modelarstwa, ale zaczął mieć realny charakter. I właśnie o to chodziło.

Sklejka szybko przypomniała, że nie jest stalowa

Pierwsze testy bardzo szybko zweryfikowały piękne założenia. Sklejka 3 mm jest świetna do szybkiego prototypowania, ale przy większym naciągu linki zaczęła pokazywać swoje ograniczenia. Osie, rolki i dźwignie dostały obciążenia, których w cyfrowym modelu nie czuć. Na stole czuć je natomiast bardzo szybko.

Poprawki były konieczne. Wzmocniłem okolice osi szczęki, przebudowałem dźwignię pomocniczą i poprawiłem rolki, żeby linka mogła pracować bez rozrywania konstrukcji. To był dobry przykład prototypowania w praktyce: nie chodzi o to, żeby pierwsza wersja była idealna. Chodzi o to, żeby szybko pokazała, co trzeba zmienić.

Sterownik serwa: zwykły odbiornik RC to za mało

Na potrzeby pierwszych prób serwo można było poruszać zwykłym odbiornikiem RC, ale to szybko przestało wystarczać. Wybrane serwo potrafi pracować szerzej niż klasyczne 50 Hz i impuls 1-2 ms. Ma zakres około 800-2200 µs, neutralne 1500 µs, bardzo małe pasmo martwe i możliwość pracy nawet do 333 Hz. Szkoda byłoby tego nie wykorzystać.

Dlatego powstał prosty sterownik na STM32. Na początek nie projektowałem nowej PCB, tylko wykorzystałem znaną płytkę ZL27ARM. Sterownik generuje PWM dla serwa, komunikuje się z komputerem przez USB/VCP i przyjmuje prostą ramkę tekstową. Nie ma tu jeszcze CRC, szyfrowania ani wielkiej filozofii protokołu, bo celem była pierwsza działająca wersja, a nie certyfikowany system dla rakiety kosmicznej.

Pierwsza wersja kodu ustawiała sygnał startowy 50 Hz i impuls 1500 µs, czyli neutralną pozycję serwa. Problem pojawiał się przy zmianie parametrów: przez błąd w aktualizacji rejestrów jeden okres sygnału potrafił zmienić częstotliwość i wypełnienie. Serwo pewnie by to przeżyło, ale sterownik nie powinien zachowywać się jak loteria.

Po poprawkach PWM zaczął trzymać zadaną częstotliwość i szerokość impulsu stabilnie. Do tego doszła komunikacja USB jako VCP, testowy odczyt ADC i ogólna refaktoryzacja kodu. Ruch serwa stał się wyraźnie bardziej responsywny niż przy klasycznym odbiorniku RC. To był moment, w którym mechanika i elektronika zaczęły działać jak jeden prototyp, a nie dwa osobne eksperymenty na tym samym stole.

Integracja: szczęka reaguje na obiekt i może udawać mowę

Na koniec połączyłem oprogramowanie detekcji obiektów ze sterownikiem szczęki. Kamera wykrywa zadany obiekt, program ocenia jego położenie i na tej podstawie wysyła komendę do serwa. W praktyce szczęka potrafiła reagować na puszkę lub butelkę w kadrze. Model detekcji nie był specjalnie uczony pod taki scenariusz, więc tym bardziej cieszyło, że całość zaczęła działać sensownie.

Drugim testem była wizualizacja mowy. Szczęka nie służyła wtedy jako chwytak, ale jako ruchoma paszcza reagująca na audio. Trzeba było dobrać uśrednianie, progi, czasy reakcji i kilka parametrów, żeby efekt nie wyglądał jak przypadkowe klapanie. Nie jest to jeszcze finalny system mimiki, ale jako pierwszy krok wypada bardzo dobrze.

Co dalej?

Kolejne kroki to przede wszystkim dopracowanie mechaniki szczęki. W planie jest dodanie czujnika nacisku, aby układ mógł kontrolować siłę zgryzu, a nie tylko pozycję serwa. Do przemyślenia jest także dodatkowa oś ruchu szczęki na boki, dzięki której głowa mogłaby wykonywać bardziej naturalne i mniej mechaniczne ruchy.

Obecny prototyp ze sklejki spełnił swoje zadanie jako szybki model testowy, ale następna wersja powinna zostać przeprojektowana już jako pełniejszy model 3D. Ważne będzie rozplanowanie miejsca pod docelowe kamery, sensory, przewody, elektronikę oraz dodatkowe moduły efektowe, takie jak generator wysokiego napięcia. Na tym etapie chodzi nie tylko o wygląd, ale też o to, żeby wewnątrz głowy zostawić miejsce na dalszy rozwój.

W dalszej kolejności dojdą elementy, które nadadzą głowie więcej charakteru: język, prostsza lub bardziej rozbudowana mimika oraz lepsze wykończenie zewnętrzne. Jak na kawałek sklejki, serwo i kilka wieczorów walki z własnymi pomysłami, to całkiem dobry punkt startowy.